我是 LongbridgeAI，我可以總結文章信息。代理人工智能的採用依賴於兩個開放標準：模型上下文協議（MCP）用於數據訪問，代理間協議（A2A）用於編排，目前由 Linux 基金會管理。雖然這些協議能夠實現複雜的企業自動化，但公司在治理、問責和跨部門排序方面面臨挑戰。目前，大多數組織正在實施單任務代理，而不是自主的多代理系統，像 Salesforce 和 EY 這樣的供應商強調逐步集成和獨特的流程定製，以保持競爭優勢
代理人工智能已經開始接管客户體驗、人力資源、網絡安全、開發者工具箱以及企業 IT 的其他領域。氛圍編碼、軟件規劃、測試和部署、客户服務自動化、一對一營銷以及招聘和解僱都可以在代理的幫助下加速進行。
但沒有兩個開放標準——模型上下文協議 (MCP) 用於數據訪問，以及 代理間協議 (A2A) 用於代理編排——這一切都無法實現。代理無法訪問有治理的企業數據存儲，也無法協同工作。
儘管這些標準已經可用，並且理論上可以支持無限複雜的企業 IT 配置，但用户仍在努力將簡單的基於任務的代理集成到他們的組織中，專業服務公司 EY 的全球副主席 Julie Linn Teigland 表示。
一個棘手的問題是跨部門工作的順序。以企業銷售數據為例：公司必須確定在銷售人員更新 CRM 記錄時，哪些代理優先處理，這一過程會觸發財務部門的佣金和賬單，更新銷售預測，並可能涉及人力資源代理，具體取決於員工生產力和薪酬的跟蹤方式。當跨供應商、跨部門的工作交給 AI 代理時，事情會迅速變得複雜。
"關於編排的討論很多，但編排是否意味着控制？" Teigland 問道。"它是問責嗎？是治理，還是僅僅是透明度？我可以有透明度，但我是否有控制權？我是否在公司內部建立了如何運作的優先級？"
Linux 基金會現在管理 MCP 和 A2A。MCP 最初是 Anthropic 的一個項目，後來開源；A2A 由 Google 推出，得到了 Salesforce、SAP、ServiceNow、UKG 和 Workday 的意見支持。與生成性 AI 的典型情況一樣，這些標準的推出速度很快。MCP 和 AI 分別在 2024 年底和 2025 年初發布。如今，科技界似乎在這些初步但基礎的理念之上構建一切。
"我驚訝於行業是多麼迅速地圍繞這兩個協議達成一致，" Salesforce 的產品架構副總裁 Gary Lerhaupt 説。"[AI 和 SaaS 供應商説，] '讓我們在這些事情上達成標準，而不是創造 15 種相同類型的工作變體。'"
但由於 MCP 和 A2A 是新的——而且數據和互操作性標準通常隨着時間的推移而變得複雜，因為新出現的現實世界用例揭示了它們的侷限性——因此仍有改進的空間。
生活在 A2A 的夢想中
Salesforce 和 Nvidia 等供應商，早期 AI 初創公司如 Cofounder，以及支持開源標準的 Paperclip 的支持者，可能會試圖推進一個理念，即一組基於角色的 AI 代理理論上可以自主運行整個公司。
然而，用户"尚未真正進入代理人工智能的 alpha 階段，" 全球 AI 諮詢公司 Emerton Data 的合夥人 Mohamed Khalfallah 表示。他們仍在構建專門用於聚合文檔、執行基本計算或兩者兼而有之的單任務代理。
"所有數據供應商將提供一種平均代理，" Khalfallah 説。"如果你想保持公司和進展的獨特性，你需要添加獨特的流程和獨特的數據，以保持你的槓桿和競爭力。這是市場尚未達到的部分。"
對於其客户，Emerton 專注於一次自動化一個流程，將每個流程縮減到其數據需求，然後建立一個平台、數據質量規則和其他元素來完成該任務。因此，該公司是 MCP 的重度用户，但對 A2A 的使用尚不多。
"我們沒有那種會來轉變整個業務的方法——這不是我們的想法，" Khalfallah 説。"更像是，'讓我們從非常小的數據範圍開始'，然後再逐步增加。"
Khalfallah 相信，A2A 的日子很快就會到來，因為客户會用更多的代理自動化更多的流程，並開始小心翼翼地將多個代理的操作合併為一個單一的動作。
Salesforce 正在努力支持幾種類型的代理環境：那些有單個 Agentforce 代理的；那些有多個 Agentforce 代理協同工作的；以及那些與 Salesforce 用户常用的其他供應商的代理結合在一起的，例如 Google 或 Workday。
在此基礎上，想象一下在多個 Salesforce 實例之間進行協調，這對於許多公司的大型客户來説是常見的情況。
"我們的客户面臨的情況是有很多 Salesforce 實例，而這些實例不應該彼此孤立，" Lerhaupt 説。"那麼我們如何使用相同的基礎運行時、相同的基礎編排和規劃將我們稱之為'多個組織'的內容連接起來？"
Salesforce 希望其客户選擇 MuleSoft Agent Fabric 進行多供應商 AI 代理編排，該平台支持 A2A 和 MCP 協議。這裏展示的是在 2025 年產品發佈時設想的理論場景。
A2A 和 MCP 的盲點
MCP 和 A2A 標準中還有很多需要構建的內容。雖然它們是開放標準，但許多 CX 供應商正在加入這些項目，以增加功能、實現合規、增加治理以幫助代理人工智能擴展，並建立更多的數據保護措施。
Salesforce 為 MCP 和 A2A 標準的發展做出貢獻，以幫助用户通過 "超級代理" 個性化客户體驗，這些代理協調基於任務的代理，將正確的客户數據部署到正確的渠道，Salesforce 的 Agentforce 執行副總裁兼總經理 Madhav Thattai 説道。
工作組仍在解決標準的許多方面。其中一個是代理如何保留數據——或者不保留——以在運行時執行個性化推薦，以保持體驗的個性化。此外，用户希望他們的代理能夠長期理解客户數據，以便能夠基於過去的行為建立客户關係。
"這不是一個簡單的 API 調用，" Thattai 説。"我們可以通過共享上下文使其更強大，以實現非常無縫的交接。共享上下文就是記憶……這些協議在其中發揮着至關重要的作用。"
MCP 和 A2A 對於優化軟件開發、交付和運行時至關重要，Digital.ai 的國際領域首席技術官 Matthias Zieger 説道，該公司託管一個 AI 驅動的 DevOps 平台。
A2A 中缺乏的一部分——工作組正在構建的——是跨供應商代理身份驗證，或稱 "可移植代理身份"，這是 Forrester Research 提出的概念。就 Zieger 而言，這比代理編排更重要的問題。
例如，一個 DevOps 團隊可能有一個規劃代理、一個測試代理和一個安全代理，可能來自多個供應商，共同協作。當它們一起工作時，每個代理都必須理解其在公司中的角色、被允許做什麼以及——更重要的是——不被允許做什麼，例如發佈到生產環境。
"如果你跨越了單一供應商或單一工具的邊界，那麼可移植代理身份的問題就沒有解決，" Zieger 説。"這是最大的問題之一。如果我給一個代理一個任務，然後這個代理使用 A2A 協議與其他代理通信，而其中一個代理正在接觸我的生產系統，你必須有很大的信任。"
也就是説，如果 AI 的採用曲線類似於 1990 年代互聯網的廣泛採用，那麼我們正處於代理 AI 的 " Netscape 時代"，Zieger 説。
換句話説，他認為隨着 MCP 和 A2A 變得更加複雜，仍然有很大的增長空間。MCP 和 A2A 的快速進展將使代理 AI 更加能夠執行一系列自動化工作。
"供應商當然在談論 [AI 編排]，因為他們想要設定未來，" Zieger 説。"現實是，大型企業仍處於非常早期的階段，尋找單一的用例……這就是我們所看到的。"
Don Fluckinger 是一位經驗豐富的 B2B 技術記者，擁有超過 30 年的經驗，專注於企業 IT、數字體驗和內容管理。作為 Informa TechTarget 的高級新聞撰稿人，他提供獲獎分析，幫助 IT 和商業領袖駕馭複雜技術，以提升客户和員工體驗。有線索嗎？ 給他發郵件.